? ? ?

Python+Ai-51CTO微職位-Python數據分析與機器學習實戰課程配套視頻課程

K8s-優點知識-Kubernetes 進階訓練營2期

K8s-優點知識-Kubernetes 進階訓練營2期

Python+Ai-51CTO微職位-Python數據分析與機器學習實戰課程配套視頻課程

Python+Ai-51CTO微職位-Python數據分析與機器學習實戰課程配套視頻課程插圖
最新網課、影視劇電影資源:趣資料www.xxxdock.com

  • 視頻資源大?。?6.0 GB 更新時間:2023-08-10

Python+Ai-51CTO微職位-Python數據分析與機器學習實戰課程配套視頻課程資源簡介:

包含經典機器學習算法原理推導與案例實戰兩部分。從基本的回歸算法開始講起,逐漸過渡到復雜的神經網絡模型。對于每一個算法給出實戰案例,基于真實數據集使用Python庫作為核心工具進行數據預處理與建模工作。

原理推導,形象解讀,案例實戰缺一不可!

課程目錄

├──第10章 案例實戰:Python實現邏輯回歸與梯度下降策略

|? ?├──051、Python實現邏輯回歸任務概述.ts? 47.60M

|? ?├──052、完成梯度下降模塊.ts? 83.79M

|? ?├──053、停止策略與梯度下降策略對比.ts? 68.14M

|? ?└──054、實驗對比效果.ts? 67.00M

├──第11章 項目實戰:案例實戰信用卡欺詐檢測

|? ?├──055、案例背景和目標.ts? 46.00M

|? ?├──056、樣本不平衡解決方案.ts? 56.33M

|? ?├──057、下采樣策略.ts? 40.74M

|? ?├──058、交叉驗證.ts? 55.25M

|? ?├──059、模型評估方法.ts? 52.92M

|? ?├──060、正則化懲罰項.ts? 32.88M

|? ?├──061、邏輯回歸模型.ts? 41.73M

|? ?├──062、混淆矩陣.ts? 48.34M

|? ?├──063、邏輯回歸閾值對結果的影響.ts? 55.82M

|? ?└──064、SMOTE樣本生成策略.ts? 87.79M

├──第12章 決策樹算法

|? ?├──065、決策樹原理概述.ts? 45.43M

|? ?├──066、衡量標準-熵.ts? 46.11M

|? ?├──067、決策樹構造實例.ts? 40.06M

|? ?├──068、信息增益率.ts? 21.99M

|? ?└──069、決策樹剪枝策略.ts? 67.01M

├──第13章 案例實戰:決策樹Sklearn實例

|? ?├──070、決策樹復習.ts? 40.14M

|? ?├──071、決策樹涉及參數.ts? 67.52M

|? ?├──072、樹可視化與Sklearn實例.ts? 109.45M

|? ?└──073、Sklearn參數選擇模塊.ts? 70.97M

├──第14章 集成算法與隨機森林

|? ?├──074、集成算法-隨機森林.ts? 51.72M

|? ?├──075、特征重要性衡量.ts? 49.11M

|? ?├──076、提升模型.ts? 48.77M

|? ?└──077、堆疊模型.ts? 28.46M

├──第15章 泰坦尼克船員獲救

|? ?├──078、數據介紹.ts? 36.91M

|? ?├──079、數據預處理.ts? 72.14M

|? ?├──080、回歸模型進行預測.ts? 75.32M

|? ?├──081、隨機森林模型.ts? 68.43M

|? ?└──082、特征選擇.ts? 53.97M

├──第16 章貝葉斯算法

|? ?├──083、貝葉斯算法概述.ts? 18.95M

|? ?├──084、貝葉斯推導實例.ts? 20.22M

|? ?├──085、貝葉斯拼寫糾錯實例.ts? 30.74M

|? ?├──086、垃圾郵件過濾實例.ts? 38.28M

|? ?└──087、貝葉斯實現拼寫檢查器.ts? 59.73M

├──第17章 Python文本數據分析

|? ?├──088、文本分析與關鍵詞提取.ts? 32.61M

|? ?├──089、相似度計算.ts? 34.13M

|? ?├──090、新聞數據與任務簡介.ts? 48.86M

|? ?├──091、TF-IDF關鍵詞提取.ts? 66.53M

|? ?├──092、LDA建模.ts? 43.42M

|? ?└──093、基于貝葉斯算法的新聞分類.ts? 70.75M

├──第18章 支持向量機算法

|? ?├──094、支持向量機要解決的問題.ts? 36.66M

|? ?├──095、距離與數據的定義.ts? 36.05M

|? ?├──096、目標函數.ts? 34.31M

|? ?├──097、目標函數求解.ts? 38.31M

|? ?├──098、SVM求解實例.ts? 48.43M

|? ?├──099、支持向量的作用.ts? 41.48M

|? ?├──100、軟間隔問題.ts? 22.55M

|? ?└──101、SVM核變換.ts? 85.51M

├──第19章 SVM調參實例

|? ?├──102、Sklearn求解支持向量機.ts? 69.69M

|? ?└──103、SVM參數調節.ts? 87.32M

├──第1章 人工智能入學指南

|? ?├──001、AI時代首選Python.ts? 34.92M

|? ?├──002、Python我該怎么學?.ts? 19.67M

|? ?├──003、人工智能的核心-機器學習.ts? 35.85M

|? ?├──004、機器學習怎么學?.ts? 50.50M

|? ?├──005、算法推導與案例.ts? 34.10M

|? ?└──006、系列課程環境配置.ts? 23.95M

├──第20章 機器學習處理實際問題常規套路

|? ?├──104、HTTP檢測任務與數據挖掘的核心.ts? 68.51M

|? ?├──105、論文的重要程度.ts? 62.72M

|? ?├──106、BenchMark概述.ts? 41.57M

|? ?└──107、BenchMark的作用.ts? 83.81M

├──第21章 降維算法:線性判別分析

|? ?├──108、線性判別分析要解決的問題.ts? 46.78M

|? ?├──109、線性判別分析要優化的目標.ts? 42.68M

|? ?└──110、線性判別分析求解.ts? 45.21M

├──第22章 案例實戰:Python實現線性判別分析

|? ?├──111、Python實現線性判別分析.ts? 56.74M

|? ?└──112、求解得出降維結果.ts? 50.68M

├──第23章 降維算法:PCA主成分分析

|? ?├──113、PCA降維概述.ts? 27.31M

|? ?├──114、PCA要優化的目標.ts? 47.30M

|? ?├──115、PCA求解.ts? 39.99M

|? ?└──116、PCA降維實例.ts? 111.99M

├──第24章 聚類算法-Kmeans

|? ?├──117、Kmeans算法概述.ts? 40.54M

|? ?├──118、Kmeans工作流程.ts? 29.75M

|? ?└──119、迭代效果可視化展示.ts? 49.47M

├──第25章 聚類算法-DBSCAN

|? ?├──120、DBSCAN聚類算法.ts? 69.45M

|? ?├──121、DBSCAN工作流程.ts? 65.74M

|? ?└──122、DBSCAN迭代可視化展示.ts? 49.99M

├──第26章 聚類實踐

|? ?├──123、多種聚類算法概述.ts? 14.99M

|? ?└──124、聚類案例實戰.ts? 94.23M

├──第27章 EM算法

|? ?├──125、EM算法要解決的問題.ts? 36.34M

|? ?├──126、隱變量問題.ts? 21.03M

|? ?├──127、EM算法求解實例.ts? 68.29M

|? ?├──128、Jensen不等式.ts? 37.59M

|? ?└──129、GMM模型.ts? 32.02M

├──第28章 GMM聚類實踐

|? ?├──130、GMM實例.ts? 68.05M

|? ?└──131、GMM聚類.ts? 53.17M

├──第29章 神經網絡

|? ?├──132、計算機視覺常規挑戰.ts? 70.57M

|? ?├──133、得分函數.ts? 17.70M

|? ?├──134、損失函數.ts? 22.02M

|? ?├──135、softmax分類器.ts? 33.07M

|? ?├──136、反向傳播.ts? 29.99M

|? ?├──137、神經網絡整體架構.ts? 19.24M

|? ?├──138、神經網絡實例.ts? 34.09M

|? ?└──139、激活函數.ts? 31.71M

├──第2章 Python快速入門

|? ?├──007、快速入門,邊學邊用.ts? 4.05M

|? ?├──008、變量類型.ts? 30.56M

|? ?├──009、List基礎模塊.ts? 41.98M

|? ?├──010、List索引.ts? 48.42M

|? ?├──011、循環結構.ts? 46.05M

|? ?├──012、判斷結構.ts? 23.29M

|? ?├──013、字典模塊.ts? 59.30M

|? ?├──014、文件處理.ts? 65.44M

|? ?└──015、函數基礎.ts? 17.17M

├──第30章 Tensorflow實戰

|? ?├──140、Tensorflow基礎操作.ts? 27.64M

|? ?├──141、Tensorflow常用函數.ts? 34.45M

|? ?├──142、Tensorflow回歸實例.ts? 44.45M

|? ?├──143、Tensorflow神經網絡實例.ts? 72.72M

|? ?├──144、Tensorflow神經網絡迭代.ts? 70.79M

|? ?├──145、神經網絡dropout.ts? 38.27M

|? ?└──146、卷積神經網絡基本結構.ts? 45.73M

├──第31章 Mnist手寫字體與驗證碼識別

|? ?├──147、Tensorflow構造卷積神經網絡參數.ts? 50.22M

|? ?├──148、Pooling層原理與參數.ts? 40.15M

|? ?├──149、卷積網絡參數配置.ts? 41.01M

|? ?├──150、卷積神經網絡計算流程.ts? 47.19M

|? ?├──151、CNN在mnist數據集上的效果.ts? 56.27M

|? ?├──152、驗證碼識別任務概述.ts? 52.90M

|? ?└──153、完成驗證碼識別任務.ts? 67.70M

├──第32章 Xgboost集成算法

|? ?├──154、集成算法思想.ts? 14.16M

|? ?├──155、Xgboost基本原理.ts? 26.47M

|? ?├──156、Xgboost目標函數推導.ts? 32.51M

|? ?├──157、Xgboost求解實例.ts? 40.28M

|? ?├──158、Xgboost安裝.ts? 18.41M

|? ?├──159、Xgboost實例演示.ts? 70.67M

|? ?└──160、Adaboost算法概述.ts? 42.24M

├──第33章 推薦系統

|? ?├──161、推薦系統應用.ts? 40.92M

|? ?├──162、推薦系統要完成的任務.ts? 17.04M

|? ?├──163、相似度計算.ts? 26.96M

|? ?├──164、基于用戶的協同過濾.ts? 21.60M

|? ?├──165、基于物品的協同過濾.ts? 35.42M

|? ?├──166、隱語義模型.ts? 19.71M

|? ?├──167、隱語義模型求解.ts? 26.23M

|? ?└──168、模型評估標準.ts? 15.79M

├──第34章 推薦系統實戰

|? ?├──169、Surprise庫與數據簡介.ts? 31.52M

|? ?├──170、Surprise庫使用方法.ts? 46.36M

|? ?├──171、得出商品推薦結果.ts? 50.34M

|? ?├──172、使用Tensorflow構建隱語義模型.ts? 46.34M

|? ?├──173、模型架構.ts? 52.86M

|? ?├──174、損失函數定義.ts? 43.29M

|? ?└──175、訓練網絡模型.ts? 47.07M

├──第35章 詞向量模型Word2Vec

|? ?├──176、自然語言處理與深度學習.ts? 33.46M

|? ?├──177、語言模型.ts? 13.11M

|? ?├──178、N-gram模型.ts? 23.35M

|? ?├──179、詞向量.ts? 23.28M

|? ?├──180、神經網絡模型.ts? 28.00M

|? ?├──181、Hierarchical.ts? 25.39M

|? ?├──182、CBOW模型實例.ts? 34.47M

|? ?├──183、CBOW求解目標.ts? 16.11M

|? ?├──184、梯度上升求解.ts? 29.58M

|? ?└──185、負采樣模型.ts? 16.89M

├──第36章 使用Gensim庫構造詞向量模型

|? ?├──186、使用Gensim庫構造詞向量.ts? 32.89M

|? ?├──187、維基百科中文數據處理.ts? 51.64M

|? ?├──188、Gensim構造word2vec.ts? 45.26M

|? ?└──189、測試相似度結果.ts? 38.63M

├──第37章 時間序列-ARIMA模型

|? ?├──190、數據平穩性與差分法.ts? 40.23M

|? ?├──191、ARIMA模型.ts? 26.18M

|? ?├──192、相關函數評估方法.ts? 41.30M

|? ?├──193、建立AIRMA模型.ts? 32.44M

|? ?└──194、參數選擇.ts? 60.77M

├──第38章 Python時間序列案例實戰

|? ?├──195、股票預測案例.ts? 48.04M

|? ?├──196、使.tsfresh庫進行分類任務.ts? 57.82M

|? ?├──197、維基百科詞條EDA.ts? 69.07M

|? ?├──198、Pandas生成時間序列.ts? 54.98M

|? ?├──199、Pandas數據重采樣.ts? 44.72M

|? ?└──200、Pandas滑動窗口.ts? 28.32M

├──第39章 探索性數據分析:賽事數據集

|? ?├──201、數據背景介紹.ts? 55.91M

|? ?├──202、數據讀取與預處理.ts? 64.32M

|? ?├──203、數據切分模塊.ts? 86.16M

|? ?├──204、缺失值可視化分析.ts? 67.17M

|? ?├──205、特征可視化展示.ts? 65.12M

|? ?├──206、多特征之間關系分析.ts? 64.32M

|? ?├──207、報表可視化分析.ts? 54.81M

|? ?└──208、紅牌和膚色的關系.ts? 83.86M

├──第3章 科學計算庫Numpy

|? ?├──016、Numpy數據結構.ts? 65.22M

|? ?├──017、Numpy基本操作.ts? 39.41M

|? ?├──018、Numpy矩陣屬性.ts? 36.58M

|? ?├──019、Numpy矩陣操作.ts? 117.92M

|? ?└──020、Numpy常用函數.ts? 164.22M

├──第40章 探索性數據分析:農糧組織數據集

|? ?├──209、數據背景簡介.ts? 76.43M

|? ?├──210、數據切片分析.ts? 113.38M

|? ?├──211、單變量分析.ts? 99.93M

|? ?├──212、峰度與偏度.ts? 80.53M

|? ?├──213、數據對數變換.ts? 68.70M

|? ?├──214、數據分析維度.ts? 48.31M

|? ?└──215、變量關系可視化展示.mp4? 72.95M

├──第4章 數據分析處理庫Pandas

|? ?├──021、Pandas數據讀取.ts? 68.13M

|? ?├──022、Pandas索引與計算.ts? 27.61M

|? ?├──023、Pandas數據預處理實例.ts? 30.49M

|? ?├──023、Pandas數據預處理實例.mp4? 55.44M

|? ?├──024、Pandas常用預處理方法.ts? 23.61M

|? ?├──025、Pandas自定義函數.ts? 21.60M

|? ?└──026、等待提取中.txt

├──第5章 可視化庫Matplotlib

|? ?├──027、折線圖繪制.ts? 50.14M

|? ?├──028、子圖操作.ts? 74.33M

|? ?├──029、條形圖與散點圖.ts? 66.55M

|? ?├──030、柱形圖與盒形.ts? 58.14M

|? ?└──031、繪圖細節設置.ts? 35.36M

├──第6章 Python可視化庫Seaborn

|? ?├──032、布局整體風格設置.ts? 37.39M

|? ?├──033、風格細節設置.ts? 32.86M

|? ?├──034、調色板.ts? 44.20M

|? ?├──035、調色板顏色設置.ts? 37.99M

|? ?├──036、單變量分析繪制.ts? 47.08M

|? ?├──037、回歸分析繪圖.ts? 43.68M

|? ?├──038、多變量分析繪圖.ts? 48.64M

|? ?├──039、分類屬性繪圖.ts? 51.04M

|? ?└──040、熱度圖繪制.ts? 65.84M

├──第7章 線性回歸算法

|? ?├──041、線性回歸算法概述.ts? 50.92M

|? ?├──042、誤差項分析.ts? 45.04M

|? ?├──043、似然函數求解.ts? 31.40M

|? ?├──044、目標函數推導.ts? 32.38M

|? ?└──045、線性回歸求解.ts? 38.14M

├──第8章 梯度下降算法

|? ?├──046、梯度下降原理.ts? 47.96M

|? ?├──047、梯度下降方法對比.ts? 27.91M

|? ?└──048、學習率對結果的影響.ts? 23.31M

├──第9章 邏輯回歸算法

|? ?├──049、邏輯回歸算法原理推導.ts? 39.76M

|? ?└──050、邏輯回歸求解.ts? 57.97M

└──課件代碼等資料

|? ?├──10Python文本分析

|? ?├──11泰坦尼克號-級聯模型

|? ?├──12手寫字體識別

|? ?├──13tensorflow代碼

|? ?├──14xgboost

|? ?├──15推薦系統

|? ?├──16word2vec——空

|? ?├──17Python時間序列

|? ?├──1機器學習算法PPT

|? ?├──2numpy

|? ?├──3Pandas

|? ?├──4欺詐檢測

|? ?├──5梯度下降實例

|? ?├──6Matplotlib

|? ?├──7可視化庫Seaborn

|? ?├──8決策樹鳶尾花

|? ?├──9貝葉斯

|? ?├──唐宇迪-機器學習課程代碼-新整理.zip? 5.13G

|? ?└──梯度下降求解邏輯回歸.zip? 681.70kb

 

Python+Ai-51CTO微職位-Python數據分析與機器學習實戰課程配套視頻課程

Python+Ai-51CTO微職位-Python數據分析與機器學習實戰課程配套視頻課程插圖1

Test-霍格沃茨-移動測試開發工程師

Test-霍格沃茨-移動測試開發工程師

Python+Ai-51CTO微職位-Python數據分析與機器學習實戰課程配套視頻課程

0
沒有賬號? 忘記密碼?
日韩AV无码久久精品|国产精品亚洲第一区|网站久久5777瑟瑟网|国产精品毛片AV